class: title-slide, inverse, right, top background-image: url(data:image/png;base64,#02_img/logo-uc.png) background-position: 7% 13% background-size: 20%, cover <br> .right[ # Sesión 4 ### <br> Visualización de datos en R ] <br> <br> <br> <br> <br> <br> .left[Campamento de invierno EGOB | UC | 04 de agosto, 2023] <hr> .left[ <svg aria-hidden="true" role="img" viewBox="0 0 448 512" style="height:1em;width:0.88em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:white;overflow:visible;position:relative;"><path d="M304 128a80 80 0 1 0 -160 0 80 80 0 1 0 160 0zM96 128a128 128 0 1 1 256 0A128 128 0 1 1 96 128zM49.3 464H398.7c-8.9-63.3-63.3-112-129-112H178.3c-65.7 0-120.1 48.7-129 112zM0 482.3C0 383.8 79.8 304 178.3 304h91.4C368.2 304 448 383.8 448 482.3c0 16.4-13.3 29.7-29.7 29.7H29.7C13.3 512 0 498.7 0 482.3z"/></svg> <b>José D. Conejeros</b> | [<svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:white;overflow:visible;position:relative;"><path d="M64 112c-8.8 0-16 7.2-16 16v22.1L220.5 291.7c20.7 17 50.4 17 71.1 0L464 150.1V128c0-8.8-7.2-16-16-16H64zM48 212.2V384c0 8.8 7.2 16 16 16H448c8.8 0 16-7.2 16-16V212.2L322 328.8c-38.4 31.5-93.7 31.5-132 0L48 212.2zM0 128C0 92.7 28.7 64 64 64H448c35.3 0 64 28.7 64 64V384c0 35.3-28.7 64-64 64H64c-35.3 0-64-28.7-64-64V128z"/></svg> jdconejeros@uc.cl](mailto:jdconejeros@uc.cl) ] --- layout:true <div class="my-footer"> <span style="width:100%; text-align:center"> <svg aria-hidden="true" role="img" viewBox="0 0 576 512" style="height:1em;width:1.12em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:white;overflow:visible;position:relative;"><path d="M96 32C60.7 32 32 60.7 32 96V384H96V96l384 0V384h64V96c0-35.3-28.7-64-64-64H96zM224 384v32H32c-17.7 0-32 14.3-32 32s14.3 32 32 32H544c17.7 0 32-14.3 32-32s-14.3-32-32-32H416V384c0-17.7-14.3-32-32-32H256c-17.7 0-32 14.3-32 32z"/></svg> Sesión 4| <svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:white;overflow:visible;position:relative;"><path d="M64 112c-8.8 0-16 7.2-16 16v22.1L220.5 291.7c20.7 17 50.4 17 71.1 0L464 150.1V128c0-8.8-7.2-16-16-16H64zM48 212.2V384c0 8.8 7.2 16 16 16H448c8.8 0 16-7.2 16-16V212.2L322 328.8c-38.4 31.5-93.7 31.5-132 0L48 212.2zM0 128C0 92.7 28.7 64 64 64H448c35.3 0 64 28.7 64 64V384c0 35.3-28.7 64-64 64H64c-35.3 0-64-28.7-64-64V128z"/></svg> <a href=mailto:jdconejeros@uc.cl style="color: white"> jdconejeros@uc.cl | <svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:white;overflow:visible;position:relative;"><path d="M256 48a208 208 0 1 1 0 416 208 208 0 1 1 0-416zm0 464A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM199.4 312.6c-31.2-31.2-31.2-81.9 0-113.1s81.9-31.2 113.1 0c9.4 9.4 24.6 9.4 33.9 0s9.4-24.6 0-33.9c-50-50-131-50-181 0s-50 131 0 181s131 50 181 0c9.4-9.4 9.4-24.6 0-33.9s-24.6-9.4-33.9 0c-31.2 31.2-81.9 31.2-113.1 0z"/></svg> Escuela de Gobierno UC 2023</a> </span> </div> --- name: sl0 class: inverse middle animated, fadeIn #.pull-left[.center-l[Guía]] .pull-right[ .center-r[ .large[ 1. [¿Qué es un gráfico?](#t1) 2. [Buenos y malos gráficos](#t2) 3. [Algunos criterios de guía](#t3) 4. [Herramientas para visualizar datos](#t4) 5. [`ggplot2`: uso de capas](#t5) 6. [Construcción de visualizaciones básicas: barras, líneas y puntos](#t6) ] ] ] --- ## Mismas estadísticas, diferentes datos <img src="data:image/png;base64,#02_img/DinoSequentialSmaller.gif" width="100%" height="100%" style="display: block; margin: auto;" /> [Matejka, J., & Fitzmaurice, G. (2017, May). Same stats, different graphs: generating datasets with varied appearance and identical statistics through simulated annealing. In Proceedings of the 2017 CHI conference on human factors in computing systems (pp. 1290-1294).](https://www.autodesk.com/research/publications/same-stats-different-graphs) --- ## Algunas visualizaciones de datos <img src="data:image/png;base64,#02_img/pie-genus.png" width="60%" height="60%" style="display: block; margin: auto;" /> --- ## Algunas visualizaciones de datos <img src="data:image/png;base64,#02_img/how-stuff-works-recidivism.png" width="50%" height="50%" style="display: block; margin: auto;" /> --- ## Algunas visualizaciones de datos <img src="data:image/png;base64,#02_img/salario_min.jpeg" width="50%" height="50%" style="display: block; margin: auto;" /> --- ## Algunas visualizaciones de datos <img src="data:image/png;base64,#02_img/plebiscito.jpeg" width="75%" height="75%" style="display: block; margin: auto;" /> --- ## Algunas visualizaciones de datos <img src="data:image/png;base64,#02_img/covid.jpeg" width="75%" height="75%" style="display: block; margin: auto;" /> --- ## Problemas de estos gráficos - **Estéticos**: dimensiones, colores y formas <img src="data:image/png;base64,#02_img/badplot1.png" width="60%" height="60%" style="display: block; margin: auto;" /> --- ## Problemas de estos gráficos - **Estéticos**: dimensiones, colores y formas <img src="data:image/png;base64,#02_img/monster.png" width="60%" height="60%" style="display: block; margin: auto;" /> --- ## Problemas de estos gráficos - **Sustantivos**: provenientes de la generación de datos .pull-left[ <img src="data:image/png;base64,#02_img/democracy-nyt-version.png" width="100%" height="100%" style="display: block; margin: auto;" /> ] .pull-right[ <img src="data:image/png;base64,#02_img/democracy-voeten-version-2.png" width="100%" height="100%" style="display: block; margin: auto;" /> ] [Taub, A. (2016). How stable are democracies?‘Warning signs are flashing red’. New York Times, 29(11), 2016.](https://www.uvm.edu/~lmholmes/Taub,%20How%20Stable%20Are%20Democracies.pdf) --- ## Problemas de estos gráficos - **Percepción**: cómo las personas perciben y procesan lo que están mirando. Las visualizaciones codifican números en líneas, formas y colores. Eso significa que nuestra interpretación de estas codificaciones está parcialmente condicionada a cómo percibimos las formas y relaciones geométricas en general. <img src="data:image/png;base64,#02_img/ch-01-excel-3d-column-chart-values.png" width="75%" height="75%" style="display: block; margin: auto;" /> --- ## Problemas de estos gráficos - **Percepción**: cómo las personas perciben y procesan lo que están mirando. Las visualizaciones codifican números en líneas, formas y colores. <img src="data:image/png;base64,#02_img/ch-01-preception-data-1.png" width="75%" height="75%" style="display: block; margin: auto;" /> --- ## Buenas visualizaciones <br> <br> <br> .center[ > La excelencia gráfica es la presentación bien diseñada de datos interesantes: **una cuestión de sustancia, de estadísticas y de diseño**... [*Consiste*] en ideas complejas comunicadas con claridad, precisión y eficiencia. … [*Es*] lo que le da al espectador **la mayor cantidad de ideas en el menor tiempo posible con la menor cantidad de tinta en el espacio más pequeño** … [*Es*] casi siempre multivariante … Y la excelencia gráfica requiere decir la verdad sobre los datos. (Tufte, 1983, pág. 51). [Tufte, E. R. (1985). The visual display of quantitative information. The Journal for Healthcare Quality (JHQ), 7(3), 15.](http://faculty.salisbury.edu/~jtanderson/teaching/cosc311/fa21/files/tufte.pdf) ] --- ## Algunas visualizaciones de datos son mejores que otras Si bien es tentador simplemente comenzar a establecer la ley sobre lo que funciona y lo que no, el proceso de hacer un gráfico realmente bueno o realmente útil no puede reducirse a una lista de reglas simples que deben seguirse sin excepción en todas las circunstancias. **Los gráficos que haces están destinados a ser vistos por alguien.** La efectividad de cualquier gráfico en particular no es solo una cuestión de cómo se ve en abstracto, sino también **una cuestión de quién lo está mirando y por qué**. Una imagen destinada a una audiencia de expertos que lea una revista profesional puede no ser fácilmente interpretable por el público en general. Una visualización rápida de un conjunto de datos que está explorando actualmente podría no ser de mucha utilidad para sus compañeros o estudiantes. --- ## Buenas visualizaciones <br> <br> <br> .center[ **Buena estética** **Sin problemas sustantivos** **Sin problemas de percepción** **Identificar un público objetivo** **Honestidad y buen juicio** ] --- ## Tecnologías para visualizar datos <img src="data:image/png;base64,#02_img/dataviz_soft.webp" width="100%" height="100%" style="display: block; margin: auto;" /> .center[[The Data Visualization Tools Wars](https://policyviz.com/2022/02/01/the-data-visualization-tools-wars/)] --- ## Construcción de piezas gráficas **¿Qué es un gráfico?** Un gráfico es una representación visual que resume datos estadísticos, de manera tal que podamos interpretarlos, analizarlos y entenderlos de forma más sencilla. **¿Cuándo hacemos un gráfico?** - Cuando deseamos realizar un análisis exploratorio de datos, por ejemplo, descubrir el comportamiento o distribución variable. - Cuando necesitamos exhibir los resultados de un análisis al público, en este caso solemos prestarle más atención a la estética de los gráficos. --- ## Ejemplos <iframe width="1212" height="682" src="https://covid19.who.int/" title="https://covid19.who.int/" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" style="width:100%; height:80%;" allowfullscreen></iframe> --- ## Ejemplos <div class="infogram-embed" data-id="79acdebc-18ad-4399-8936-bce3b3a49068" data-type="interactive" data-title="dgd-infografia-parte1" style="width: 950px; height: 545px; overflow-y: scroll;"></div><script>!function(e,i,n,s){var t="InfogramEmbeds",d=e.getElementsByTagName("script")[0];if(window[t]&&window[t].initialized)window[t].process&&window[t].process();else if(!e.getElementById(n)){var o=e.createElement("script");o.async=1,o.id=n,o.src="https://e.infogram.com/js/dist/embed-loader-min.js",d.parentNode.insertBefore(o,d)}}(document,0,"infogram-async");</script><div style="padding:8px 0;font-family:Arial!important;font-size:13px!important;line-height:15px!important;text-align:center;border-top:1px solid #dadada;margin:0 30px"><a href="https://infogram.com/79acdebc-18ad-4399-8936-bce3b3a49068" style="color:#989898!important;text-decoration:none!important;" target="_blank">dgd-infografia-parte1</a><br><a href="https://infogram.com" style="color:#989898!important;text-decoration:none!important;" target="_blank" rel="nofollow">Infogram</a></div> --- ## Otros ejemplos .pull-left[ - Tutoriales: - [A ggplot2 Tutorial for Beautiful Plotting in R](https://www.cedricscherer.com/2019/08/05/a-ggplot2-tutorial-for-beautiful-plotting-in-r/) - [Ggplot evolution](https://www.cedricscherer.com/2019/05/17/the-evolution-of-a-ggplot-ep.-1/) - Ministerio de desarrollo social: [Data Social](https://datasocial.ministeriodesarrollosocial.gob.cl/portalDataSocial/catalogoDimension/86/0/0) - The World Bank: [DataBank](https://databank.worldbank.org/indicator/SE.PRM.NENR?Id=7f18f0c5&Report_Name=Health&populartype=series) - Datos de miércoles: - [Latinoamericano](https://github.com/cienciadedatos/datos-de-miercoles) - [Anglo](https://github.com/rfordatascience/tidytuesday) ] .pull-right[ - Comunidad: - [#30díasdegráficos](https://twitter.com/search?q=%2330d%C3%ADasdegr%C3%A1ficos&src=recent_search_click&f=live) - [#TidyTuesday](https://twitter.com/search?q=%23TidyTuesday&src=typeahead_click&f=live) - [#ggplot2](https://twitter.com/search?q=%23ggplot2&src=typed_query) - Algunas aplicaciones entretenidas: - [Photos on spirals](https://github.com/cj-holmes/photos-on-spirals) - [Gerative art](https://generative.substack.com/p/generative-art-and-r#:~:text=The%20R%20package%20generativeart%20lets,numbers%2C%20every%20image%20looks%20different.) - [Otros ejemplos](https://github.com/danielredondo/30diasdegraficos) ] --- ## Graficando con R Base .pull-left[ ```r # Definimos Vectores x <- 1:100 # Escalares n <- length(x); a <- 0.2; b <- 0.3; sigma<-0.5 set.seed(123)# Semilla aleatoria y <- a+b*x+sigma*rnorm(n) # Simulamos una variable aleatoria head(cbind(x,y), n=15) ``` ``` x y [1,] 1 0.2197622 [2,] 2 0.6849113 [3,] 3 1.8793542 [4,] 4 1.4352542 [5,] 5 1.7646439 [6,] 6 2.8575325 [7,] 7 2.5304581 [8,] 8 1.9674694 [9,] 9 2.5565736 [10,] 10 2.9771690 [11,] 11 4.1120409 [12,] 12 3.9799069 [13,] 13 4.3003857 [14,] 14 4.4553414 [15,] 15 4.4220794 ``` ] .pull-right[ ```r plot(x, y) ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-14-1.png" width="504" /> ] --- ## Graficando con R base ```r fit_1 <- lm(y~x) coef(fit_1) ``` ``` (Intercept) x 0.1817981 0.3012555 ``` ```r a_hat <- coef(fit_1)[1] a_hat ``` ``` (Intercept) 0.1817981 ``` ```r b_hat <- coef(fit_1)[2] b_hat ``` ``` x 0.3012555 ``` --- count: false .panel1-g1-auto[ ```r *plot(x, y, main="Data y regresión lineal") ``` ] .panel2-g1-auto[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/g1_auto_01_output-1.png" width="504" /> ] --- count: false .panel1-g1-auto[ ```r plot(x, y, main="Data y regresión lineal") *abline(a_hat, b_hat, col="blue") ``` ] .panel2-g1-auto[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/g1_auto_02_output-1.png" width="504" /> ] <style> .panel1-g1-auto { color: black; width: 38.6060606060606%; hight: 32%; float: left; padding-left: 1%; font-size: 80% } .panel2-g1-auto { color: black; width: 59.3939393939394%; hight: 32%; float: left; padding-left: 1%; font-size: 80% } .panel3-g1-auto { color: black; width: NA%; hight: 33%; float: left; padding-left: 1%; font-size: 80% } </style> --- .pull-left[ ```r hist(y, main = "Distribución variable Y", na.rm=T, xlab="Valores de Y", ylab="Frecuencia", col="blue", xlim=c(0, 20)) ``` ] .pull-right[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-18-1.png" width="504" /> ] --- ## Gráficos en R R base tiene herramientas gráficas limitadas, tanto en la cantidad de opciones que se tiene como en su personalización. Por lo que usaremos los gráficos de `ggplot2`. Estas herramientas, permiten generar una gran cantidad de gráficos a partir de la misma base computacional. <br> | **Gráfico** | `R base` | `ggplot2` | |--------------|--------------------------|---------------------| | Puntos | `plot()` | `geom_point()` | | Lineas | `plot(..., type = "l")` | `geom_line()` | | Histograma | `hist()` | `geom_histogram()` | | Barras | `barplot()` | `geom_bar()` | | Boxplot | `boxplot()` | `geom_boxplot()` | --- ## Ggplot2 .pull-left[ Es un sistema para crear gráficos de forma declarativa, basado en [La Gramática de los Gráficos](https://www.amazon.com/Grammar-Graphics-Statistics-Computing/dp/0387245448). Usted proporciona los datos, le dice a ggplot2 cómo asignar variables a la estética, qué primitivas gráficas utilizar, y él se encarga de los detalles. **Es un sistema coherente para describir y construir gráficos, combinando componentes independientes. Es una herramienta estable con 10 años en funcionamiento.** ] .pull-right[ <img src="data:image/png;base64,#02_img/ggplot2.png" width="50%" height="50%" style="display: block; margin: auto;" /> ```r install.packages("ggplot2") library(ggplot2) ``` ] --- ## Gramática de los gráficos en capas **Añadimos características a los gráficos paso a paso** <img src="data:image/png;base64,#02_img/grammar.png" width="75%" height="75%" style="display: block; margin: auto;" /> .center[ **.blue[La clave que las capas se van sumando: "+"]** ] --- ## Componentes de un gráfico 1. Datos a utilizar 2. Paramétros estéticos con que se registrarán las variables, es decir, cómo se asignarán las variables de nuestro conjunto de datos a ciertas propiedades visuales. Esto considera ejes de gráficos, colores, etc. La función para indicar esto es `aes()` (del inglés *aesthetics*). 3. Una capa que indique la forma en que se representarán gráficamente los datos (con la función `geom_*()`). .center[ **.darkpurple[ggplot(data=].red[Datos], .darkpurple[aes(].red[MAPEOS])) .darkpurple[+] ** **.darkpurple[geom_].red[TIPO_DE_GRAFICO(...)] .darkpurple[+] ** **.red[Otras capas]** ] --- ## Tipos de gráficos .pull-left[ <img src="data:image/png;base64,#02_img/gg1.png" width="80%" height="80%" style="display: block; margin: auto;" /> ] .pull-right[ <img src="data:image/png;base64,#02_img/gg2.png" width="100%" height="100%" style="display: block; margin: auto;" /> ] --- ## Tipos de gráficos .pull-left[ <img src="data:image/png;base64,#02_img/gg3.png" width="100%" height="100%" style="display: block; margin: auto;" /> ] .pull-right[ <img src="data:image/png;base64,#02_img/gg4.png" width="100%" height="100%" style="display: block; margin: auto;" /> ] --- ## Construcción de gráficos en ggplot2 ```r paises <- datos::paises str(paises) ``` ``` tibble [1,704 × 6] (S3: tbl_df/tbl/data.frame) $ pais : Factor w/ 142 levels "Afganistán","Albania",..: 1 1 1 1 1 1 1 1 1 1 ... $ continente : Factor w/ 5 levels "África","Américas",..: 3 3 3 3 3 3 3 3 3 3 ... $ anio : int [1:1704] 1952 1957 1962 1967 1972 1977 1982 1987 1992 1997 ... $ esperanza_de_vida: num [1:1704] 28.8 30.3 32 34 36.1 ... $ poblacion : int [1:1704] 8425333 9240934 10267083 11537966 13079460 14880372 12881816 13867957 16317921 22227415 ... $ pib_per_capita : num [1:1704] 779 821 853 836 740 ... ``` --- count: false .panel1-g2-auto[ ```r *ggplot(paises, aes(x = pib_per_capita, * y = esperanza_de_vida, * colour = continente)) ``` ] .panel2-g2-auto[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/g2_auto_01_output-1.png" width="504" /> ] --- count: false .panel1-g2-auto[ ```r ggplot(paises, aes(x = pib_per_capita, y = esperanza_de_vida, colour = continente)) + * geom_point() ``` ] .panel2-g2-auto[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/g2_auto_02_output-1.png" width="504" /> ] --- count: false .panel1-g2-auto[ ```r ggplot(paises, aes(x = pib_per_capita, y = esperanza_de_vida, colour = continente)) + geom_point() + * labs(title = "Asociación", * x = "PIB per cápita", * y = "Esperanza de vida", * colour='Continente') ``` ] .panel2-g2-auto[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/g2_auto_03_output-1.png" width="504" /> ] <style> .panel1-g2-auto { color: black; width: 38.6060606060606%; hight: 32%; float: left; padding-left: 1%; font-size: 80% } .panel2-g2-auto { color: black; width: 59.3939393939394%; hight: 32%; float: left; padding-left: 1%; font-size: 80% } .panel3-g2-auto { color: black; width: NA%; hight: 33%; float: left; padding-left: 1%; font-size: 80% } </style> --- ## Tipos de gráficos **Histogramas**: Se usa para visualizar la distribución de los valores de una variable numérica. .pull-left[ ```r ggplot(data = paises, mapping = aes(x = pib_per_capita)) + geom_histogram(color = "white", fill ="#9292ff", bins = 15) ``` ] .pull-right[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-28-1.png" width="504" /> ] --- ## Tipos de gráficos **Gráficos de puntos**: Se usa para encontrar relaciones o patrones entre dos variables (al menos una debe ser numérica). .pull-left[ ```r ggplot(data = paises, mapping = aes(x = pib_per_capita, y = esperanza_de_vida)) + geom_point(color = "#ff7979", size = 8, alpha = 0.3) ``` ] .pull-right[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-30-1.png" width="504" /> ] --- ## Tipos de gráficos **Boxplots**: Para observar la distribución de una variable numérica. Muy útil para comparar las distribuciones por grupo. .pull-left[ ```r ggplot(data = paises, mapping = aes(x = continente, y = esperanza_de_vida) ) + geom_boxplot(color = "blue", fill ="#9292ff") ``` ] .pull-right[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-32-1.png" width="504" /> ] --- ## Tipos de gráficos **Líneas**: Se usa para analizar tendencias de una variable numérica en el tiempo. En el ejemplo, se presenta la evolución de la esperanza de vida en Chile desde 1960. .pull-left[ ```r ggplot(data = paises[paises$pais == "Chile",] , aes(x = anio, y = esperanza_de_vida)) + geom_line(color = "#9292ff", size = 2) ``` ] .pull-right[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-34-1.png" width="504" /> ] --- ## Tipos de gráficos **Barras**: Se usa para conocer la frecuencia relativa o absoluta de las clases de una variable categórica o discreta. .pull-left[ ```r ggplot(data = paises, mapping = aes(y=continente)) + geom_bar(color = "white", fill ="#9292ff") + labs(title = "Distribución de países", x = 'Continentes', y = 'Frecuencia') ``` ] .pull-right[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-36-1.png" width="504" /> ] --- ## Tipos de gráficos <iframe width="1212" height="682" src="https://r-graph-gallery.com/" title="https://r-graph-gallery.com/" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" style="width:100%; height:80%;" allowfullscreen></iframe> --- ## Customización de gráficos en ggplot2 **Un color para todo el gráfico** .pull-left[ ```r paises %>% filter(anio == 2007) %>% ggplot(aes(x=pib_per_capita / poblacion, y=esperanza_de_vida)) + geom_point(color = 'deepskyblue') + labs(title = 'Relación entre PIB per cápita y esperanza de vida') ``` ] .pull-right[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-38-1.png" width="504" /> ] --- ## Customización de gráficos en ggplot2 **Colores según una variable** .pull-left[ ```r paises %>% filter(anio == 2007) %>% ggplot(aes(x=pib_per_capita / poblacion, y=esperanza_de_vida)) + geom_point(aes(color = continente)) + labs(title = 'Relación entre PIB per cápita y esperanza de vida') ``` ] .pull-right[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-40-1.png" width="504" /> ] --- ## Customización de gráficos en ggplot2 **Colores en gráficos de barras e histogramas** .pull-left[ ```r paises %>% filter(anio == 2007) %>% ggplot(aes(esperanza_de_vida)) + geom_histogram(fill = 'turquoise', color = 'red') + labs(title = "Distribución esperanza de vida") ``` ] .pull-right[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-42-1.png" width="504" /> ] --- ## Customización de gráficos en ggplot2 **Ejes y títulos** .pull-left[ ```r ggplot(data = paises[paises$pais == "Chile", ] , aes(x = anio, y = esperanza_de_vida)) + geom_line() + geom_point() + labs(title = "Esperanza de vida en Chile", subtitle = "Años 1952 a 2007", x = "Año", y = "Esperanza de vida") ``` ] .pull-right[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-44-1.png" width="504" /> ] --- ## Customización de gráficos en ggplot2 **Ejes y títulos (forma 2)** .pull-left[ ```r ggplot(data = paises[paises$pais == "Chile", ] , aes(x = anio, y = esperanza_de_vida)) + geom_line() + geom_point() + ggtitle(label = "Esperanza de vida en Chile", subtitle = "Años 1952 a 2007") + xlab(label = "Año") + ylab(label = "Esperanza de vida") ``` ] .pull-right[ <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-46-1.png" width="504" /> ] --- ## Customización de gráficos en ggplot2 **Argumentos color y size** ```r ggplot(data = paises, aes(x = esperanza_de_vida, y = pib_per_capita)) + geom_point(aes(size = poblacion, color = continente), alpha = 0.7) ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-47-1.png" width="100%" height="100%" style="display: block; margin: auto;" /> --- ## Customización de gráficos en ggplot2 **Argumentos color y size** ```r ggplot(data = paises[paises$continente=="Américas",], aes(x = esperanza_de_vida, y = pib_per_capita)) + geom_point(aes(color = poblacion), size = 2) ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-48-1.png" width="100%" height="100%" style="display: block; margin: auto;" /> --- ## Customización de gráficos en ggplot2 **Leyendas**: La leyenda puede personalizarse mediante el argumento theme(), función que permite modificar la mayoría de los elementos estéticos de un ggplot. ```r ggplot(data = paises[paises$pais %in% c("Chile", "Argentina", "Perú", "Brasil"),], aes(x = anio, y = esperanza_de_vida, color = pais) ) + geom_point(size = 3) + geom_line(size = 1) ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-49-1.png" width="100%" height="100%" style="display: block; margin: auto;" /> --- ## Customización de gráficos en ggplot2 ```r ggplot(data = paises[paises$pais %in% c("Chile", "Argentina", "Perú", "Brasil"),], aes(x = anio, y = esperanza_de_vida, color = pais) ) + geom_point(size = 3) + geom_line(size = 1) + theme(legend.position = "bottom", legend.title = element_blank(), legend.background = element_rect(fill="white")) ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-50-1.png" width="100%" height="100%" style="display: block; margin: auto;" /> --- ## Customización de gráficos en ggplot2 **Temas** En la librería ggplot existe una variedad de temas precargados que permiten modificar de manera rápida cómo se ve el fondo de un gráfico. Estos son: > `theme_grey()`/`theme_gray()` - Por defecto > `theme_bw()` > `theme_linedraw()` > `theme_light()` > `theme_dark()` > `theme_minimal()` > `theme_classic()` > `theme_void()` > `theme_test()` --- ## Customización de gráficos en ggplot2 **Temas** .pull-left[ ```r ggplot(data = paises[paises$pais=="Chile",], aes(anio, esperanza_de_vida)) + geom_point(color = "#79bcff", size = 5) + theme_light() ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-51-1.png" width="100%" height="100%" style="display: block; margin: auto;" /> ] .pull-right[ ```r ggplot(data = paises[paises$pais=="Chile",], aes(anio, esperanza_de_vida)) + geom_point(color = "#79bcff", size = 5) + theme_dark() ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-52-1.png" width="100%" height="100%" style="display: block; margin: auto;" /> ] --- ## Customización de gráficos en ggplot2 **Temas** .pull-left[ ```r ggplot(data = paises[paises$pais=="Chile",], aes(anio, esperanza_de_vida)) + geom_point(color = "#79bcff", size = 5) + theme_bw() ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-53-1.png" width="100%" height="100%" style="display: block; margin: auto;" /> ] .pull-right[ ```r ggplot(data = paises[paises$pais=="Chile",], aes(anio, esperanza_de_vida)) + geom_point(color = "#79bcff", size = 5) + theme_classic() ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-54-1.png" width="100%" height="100%" style="display: block; margin: auto;" /> ] --- ## Customización de gráficos en ggplot2 **Colores** .pull-left[ <img src="data:image/png;base64,#02_img/rcolor.png" width="90%" height="90%" style="display: block; margin: auto;" /> ] .pull-right[ La librería `RColorBrewer` contiene un gran número de paletas de colores para los gráficos de R y ggplot2. Las paletas de colores se definen con el argumento palette dentro de los comandos `scale_color_brewer()` o `scale_fill_brewer()`. ```r install.packages("RColorBrewer") library(RColorBrewer) ``` ] --- ## Customización de gráficos en ggplot2 **Colores** ```r library(RColorBrewer) ggplot(data=paises, aes(x = esperanza_de_vida, y = pib_per_capita, color = continente)) + geom_point(size = 2.5) + scale_color_brewer(palette="Dark2") ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-57-1.png" width="100%" height="100%" style="display: block; margin: auto;" /> --- ## Customización de gráficos en ggplot2 **Facetas** ```r ggplot(data=paises, aes(x = esperanza_de_vida, y = pib_per_capita, color = continente))+ geom_point(size = 2, alpha = 0.7) + facet_grid(~continente) ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-58-1.png" width="100%" height="100%" style="display: block; margin: auto;" /> --- ## Customización de gráficos en ggplot2 **Facetas** ```r ggplot(data = paises[paises$pais %in% c("Chile", "Argentina", "Perú", "Brasil"),], aes(x = anio,y = esperanza_de_vida, color = pais) ) + geom_point(size = 3) + geom_line(size = 1) + facet_wrap(~ pais) + theme_bw() ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-59-1.png" width="100%" height="100%" style="display: block; margin: auto;" /> --- ## Customización de gráficos en ggplot2 **Matrices de gráficos** ```r g1 = ggplot(data = paises, aes(x = esperanza_de_vida)) + geom_histogram(fill = "lightblue") + labs(x = element_blank(), y = element_blank()) g2 = ggplot(data = paises, aes(x = esperanza_de_vida)) + geom_boxplot(fill = "lightblue") + labs(x=element_blank()) ``` --- ## Customización de gráficos en ggplot2 **Matrices de gráficos** ```r library(gridExtra) grid.arrange(g1,g2, nrow=2) ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-61-1.png" width="100%" height="100%" style="display: block; margin: auto;" /> --- ## Customización de gráficos en ggplot2 **Matrices de gráficos** ```r library(ggpubr) ggarrange(g1,g2, ncol=2) ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-62-1.png" width="100%" height="100%" style="display: block; margin: auto;" /> --- ## Customización de gráficos en ggplot2 **Matrices de gráficos** ```r library(patchwork) g1 / g2 ``` <img src="data:image/png;base64,#TAD_sesion4_files/figure-html/unnamed-chunk-63-1.png" width="100%" height="100%" style="display: block; margin: auto;" /> --- ## Customización de gráficos en ggplot2 **Extensiones de ggplot2** <iframe width="1212" height="682" src="https://exts.ggplot2.tidyverse.org/gallery/" title="https://exts.ggplot2.tidyverse.org/gallery/" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" style="width:100%; height:80%;" allowfullscreen></iframe> --- ## Un ejemplo <img src="data:image/png;base64,#02_img/gganim_covid.gif" width="70%" height="70%" style="display: block; margin: auto;" /> --- ## Un ejemplo académico <img src="data:image/png;base64,#02_img/paper.png" width="70%" height="70%" style="display: block; margin: auto;" /> --- ## Referencias > Wickham, H., & Grolemund, G. (2016). R for data science: import, tidy, transform, visualize, and model data. " O'Reilly Media, Inc.". Cap. 2. Recurso en línea: <https://r4ds.hadley.nz/> > Urdinez, F., & Cruz, A. (2020). R for Political Data Science: A Practical Guide. CRC Press. Cap. 3. Recurso en línea en español: <https://arcruz0.github.io/libroadp/> > Posit Cheatsheets ("hojas de trucos"): <https://posit.co/resources/cheatsheets/?type=posit-cheatsheets/> > Página oficial de ggplot2: <https://ggplot2.tidyverse.org/> --- name: despedida class: inverse, center, middle background-image: url(data:image/png;base64,#02_img/logo-uc.png) background-position: 50% 10% background-size: 20%, cover <br> <br> <br> <br> <br> <br> <br> <br> ## Sesión 4 ### Visualización de datos en R 04 de agosto, 2023 <div class="my-footer"></div> <svg aria-hidden="true" role="img" viewBox="0 0 448 512" style="height:1em;width:0.88em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:white;overflow:visible;position:relative;"><path d="M304 128a80 80 0 1 0 -160 0 80 80 0 1 0 160 0zM96 128a128 128 0 1 1 256 0A128 128 0 1 1 96 128zM49.3 464H398.7c-8.9-63.3-63.3-112-129-112H178.3c-65.7 0-120.1 48.7-129 112zM0 482.3C0 383.8 79.8 304 178.3 304h91.4C368.2 304 448 383.8 448 482.3c0 16.4-13.3 29.7-29.7 29.7H29.7C13.3 512 0 498.7 0 482.3z"/></svg> <b>José D. Conejeros</b> | [<svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:white;overflow:visible;position:relative;"><path d="M64 112c-8.8 0-16 7.2-16 16v22.1L220.5 291.7c20.7 17 50.4 17 71.1 0L464 150.1V128c0-8.8-7.2-16-16-16H64zM48 212.2V384c0 8.8 7.2 16 16 16H448c8.8 0 16-7.2 16-16V212.2L322 328.8c-38.4 31.5-93.7 31.5-132 0L48 212.2zM0 128C0 92.7 28.7 64 64 64H448c35.3 0 64 28.7 64 64V384c0 35.3-28.7 64-64 64H64c-35.3 0-64-28.7-64-64V128z"/></svg> jdconejeros@uc.cl](mailto:jdconejeros@uc.cl) | [<svg aria-hidden="true" role="img" viewBox="0 0 496 512" style="height:1em;width:0.97em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:white;overflow:visible;position:relative;"><path d="M165.9 397.4c0 2-2.3 3.6-5.2 3.6-3.3.3-5.6-1.3-5.6-3.6 0-2 2.3-3.6 5.2-3.6 3-.3 5.6 1.3 5.6 3.6zm-31.1-4.5c-.7 2 1.3 4.3 4.3 4.9 2.6 1 5.6 0 6.2-2s-1.3-4.3-4.3-5.2c-2.6-.7-5.5.3-6.2 2.3zm44.2-1.7c-2.9.7-4.9 2.6-4.6 4.9.3 2 2.9 3.3 5.9 2.6 2.9-.7 4.9-2.6 4.6-4.6-.3-1.9-3-3.2-5.9-2.9zM244.8 8C106.1 8 0 113.3 0 252c0 110.9 69.8 205.8 169.5 239.2 12.8 2.3 17.3-5.6 17.3-12.1 0-6.2-.3-40.4-.3-61.4 0 0-70 15-84.7-29.8 0 0-11.4-29.1-27.8-36.6 0 0-22.9-15.7 1.6-15.4 0 0 24.9 2 38.6 25.8 21.9 38.6 58.6 27.5 72.9 20.9 2.3-16 8.8-27.1 16-33.7-55.9-6.2-112.3-14.3-112.3-110.5 0-27.5 7.6-41.3 23.6-58.9-2.6-6.5-11.1-33.3 2.6-67.9 20.9-6.5 69 27 69 27 20-5.6 41.5-8.5 62.8-8.5s42.8 2.9 62.8 8.5c0 0 48.1-33.6 69-27 13.7 34.7 5.2 61.4 2.6 67.9 16 17.7 25.8 31.5 25.8 58.9 0 96.5-58.9 104.2-114.8 110.5 9.2 7.9 17 22.9 17 46.4 0 33.7-.3 75.4-.3 83.6 0 6.5 4.6 14.4 17.3 12.1C428.2 457.8 496 362.9 496 252 496 113.3 383.5 8 244.8 8zM97.2 352.9c-1.3 1-1 3.3.7 5.2 1.6 1.6 3.9 2.3 5.2 1 1.3-1 1-3.3-.7-5.2-1.6-1.6-3.9-2.3-5.2-1zm-10.8-8.1c-.7 1.3.3 2.9 2.3 3.9 1.6 1 3.6.7 4.3-.7.7-1.3-.3-2.9-2.3-3.9-2-.6-3.6-.3-4.3.7zm32.4 35.6c-1.6 1.3-1 4.3 1.3 6.2 2.3 2.3 5.2 2.6 6.5 1 1.3-1.3.7-4.3-1.3-6.2-2.2-2.3-5.2-2.6-6.5-1zm-11.4-14.7c-1.6 1-1.6 3.6 0 5.9 1.6 2.3 4.3 3.3 5.6 2.3 1.6-1.3 1.6-3.9 0-6.2-1.4-2.3-4-3.3-5.6-2z"/></svg> JDConejeros](https://github.com/JDConejeros)